清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

Large Language Models Encode Clinical Knowledge

计算机科学 水准点(测量) 危害 人工智能 机器学习 钥匙(锁) 数据科学 语言模型 心理学 计算机安全 大地测量学 社会心理学 地理
作者
Karan Singhal,Shekoofeh Azizi,Tao Tu,S. Sara Mahdavi,Wei, Jason,Hyung Won Chung,Nathan Scales,Ajay Kumar Tanwani,Heather Cole-Lewis,Stephen Pfohl,Perry W. Payne,Martin Seneviratne,Paul Gamble,Christopher B. Kelly,Nathaneal Scharli,Aakanksha Chowdhery,P. Mansfield,Blaise Agüera y Arcas,Dale A. Webster,Greg S. Corrado
出处
期刊:Cornell University - arXiv [Cornell University]
被引量:258
标识
DOI:10.48550/arxiv.2212.13138
摘要

Large language models (LLMs) have demonstrated impressive capabilities in natural language understanding and generation, but the quality bar for medical and clinical applications is high. Today, attempts to assess models' clinical knowledge typically rely on automated evaluations on limited benchmarks. There is no standard to evaluate model predictions and reasoning across a breadth of tasks. To address this, we present MultiMedQA, a benchmark combining six existing open question answering datasets spanning professional medical exams, research, and consumer queries; and HealthSearchQA, a new free-response dataset of medical questions searched online. We propose a framework for human evaluation of model answers along multiple axes including factuality, precision, possible harm, and bias. In addition, we evaluate PaLM (a 540-billion parameter LLM) and its instruction-tuned variant, Flan-PaLM, on MultiMedQA. Using a combination of prompting strategies, Flan-PaLM achieves state-of-the-art accuracy on every MultiMedQA multiple-choice dataset (MedQA, MedMCQA, PubMedQA, MMLU clinical topics), including 67.6% accuracy on MedQA (US Medical License Exam questions), surpassing prior state-of-the-art by over 17%. However, human evaluation reveals key gaps in Flan-PaLM responses. To resolve this we introduce instruction prompt tuning, a parameter-efficient approach for aligning LLMs to new domains using a few exemplars. The resulting model, Med-PaLM, performs encouragingly, but remains inferior to clinicians. We show that comprehension, recall of knowledge, and medical reasoning improve with model scale and instruction prompt tuning, suggesting the potential utility of LLMs in medicine. Our human evaluations reveal important limitations of today's models, reinforcing the importance of both evaluation frameworks and method development in creating safe, helpful LLM models for clinical applications.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
大胆初南完成签到 ,获得积分10
刚刚
洁净香寒完成签到,获得积分10
18秒前
飞哥与小佛完成签到,获得积分10
19秒前
Cosmosurfer完成签到,获得积分0
19秒前
33秒前
开朗的晋鹏完成签到,获得积分10
36秒前
42秒前
47秒前
hhuajw发布了新的文献求助10
47秒前
1分钟前
超级向日葵完成签到,获得积分10
1分钟前
体贴雪萍完成签到,获得积分10
1分钟前
笑傲完成签到,获得积分10
1分钟前
null的应助被科研通管家采纳,获得10
1分钟前
思源的应助被科研通管家采纳,获得10
1分钟前
null的应助被科研通管家采纳,获得10
1分钟前
义气慕梅完成签到,获得积分10
1分钟前
成就小蜜蜂完成签到 ,获得积分10
2分钟前
激情的三毒完成签到,获得积分10
2分钟前
2分钟前
鱼湘完成签到,获得积分10
2分钟前
等待凡英完成签到,获得积分10
2分钟前
虚心路人的应助被初景采纳,获得10
3分钟前
3分钟前
hhuajw发布了新的文献求助30
3分钟前
传奇3的应助被沧海云帆采纳,获得10
3分钟前
爱笑的笑旋完成签到,获得积分10
3分钟前
3分钟前
yanweihome完成签到 ,获得积分10
3分钟前
null的应助被科研通管家采纳,获得10
3分钟前
沧海云帆发布了新的文献求助10
3分钟前
辛勤诗兰完成签到,获得积分10
3分钟前
傲娇的从灵完成签到,获得积分10
3分钟前
4分钟前
愉快飞薇完成签到,获得积分10
4分钟前
端庄的如松完成签到,获得积分10
5分钟前
长情天川完成签到,获得积分10
5分钟前
陶醉的美女完成签到,获得积分10
5分钟前
null的应助被科研通管家采纳,获得10
5分钟前
null的应助被科研通管家采纳,获得10
5分钟前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
Les Mantodea De Guyane 2000
Energie-Contracting 1500
Klimaschutzrecht durch den Energiesektor im Mehrebenensystem – Ein Rechtsvergleich 1000
Stochastic Models in Operations Research,Vol. 2 600
Guidelines for fracture-safe and fatigue-reliable design of steel structures 600
Problems and Solutions for Integer and Combinatorial Optimization: Building Skills in Discrete Optimization 600
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8023710
求助须知:如何正确求助?哪些是违规求助? 9466146
关于积分的说明 21216294
捐赠科研通 7594313
什么是DOI,文献DOI怎么找? 3387043
关于科研通互助平台的介绍 2519678
邀请新用户注册赠送积分活动 2422906